Improvement of the sensory stimuli restitution on driving simulator - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2022

Improvement of the sensory stimuli restitution on driving simulator

Amélioration de la restitution des stimuli sensoriels sur simulateur de conduite

Martin Soyer
  • Fonction : Auteur
  • PersonId : 1225953
  • IdRef : 267624409

Résumé

High performance driving simulators reproduce vehicle acceleration based on adequate motion systems. The driver is immersed in a multisensorial (visual, haptic, vestibular and sound stimulation) environment of synthesis. The performance of driving simulator outside of its mechanical capacity (the visual latency, the delay of restitution of movement, etc...) and of the temporal coherence of the different stimuli are factors that can condition the validity of the perception. The present thesis aims at to develop a motion restitution algorithm that minimizes the calculation time and corrects the simulator delay while maintaining the performance of motion restitution. This restitution algorithm receives a specific interest from the driving simulation community through the denomination MCA (Motion Cueing Algorithm). This thesis work deals with optimal control and particularly on the recent use of Model Predictive Control (MPC) as a base of the algorithm. The different ways for improving concern the set invariance use in the control design for the trajectory tracking. Thus, a delay compensation algorithm is proposed with a less computational burden. A non predictive algorithm is also designed based on the interpolation-based control technique adapted to the dynamic trajectory tracking. Finally, new set theoretic notions relaxing set invariance notions are proposed in order to minimize the complexity of optimization problems in the MPC procedure.
Les simulateurs dynamiques de conduite à haute performance restituent les accélérations du véhicule à l’aide d’un système de mise en mouvement de plateforme. Le conducteur est immergé dans un environnement de synthèse multi-sensoriel (stimulations visuelles, haptiques, vestibulaires et sonores). La performance d’un tel simulateur en dehors de sa capacité mécanique (latence visuelle, le retard de restitution de mouvement, etc...) et de la cohérence temporelle des différents stimuli sont des facteurs pouvant conditionner la qualité de la perception. La présente thèse a pour objectif de développer un algorithme de restitution de mouvement qui minimise le temps de calcul et corrige le retard du simulateur tout en conservant la performance de restitution de mouvement. Cet algorithme de restitution fait l’objet d’un intérêt spécifique de la communauté de la simulation de conduite via la dénomination MCA (Motion Cueing Algorithm). Cette thèse porte sur la commande optimale et en particulier sur la récente utilisation de la commande prédictive par modèle (ou Model Predictive Control ou MPC) comme base de l’algorithme. Les différentes pistes d’amélioration évoquées dans cette thèse concernent l’utilisation des ensembles invariants pour la poursuite de trajectoire en temps réel. Ainsi, un algorithme de compensation de retard inertiel est proposé dans une version allégée du point de vue du temps d’exécution. Un algorithme non prédictif basée sur la commande par interpolation adapté à la poursuite de trajectoire dynamique est également proposé. Enfin, une base théorique permettant la relaxation des concepts d’invariance est conçue afin de minimiser la complexité des problèmes d’optimisation utilisés dans la commande prédictive.
Fichier principal
Vignette du fichier
2022UPAST103_SOYER_archivage.pdf (24.6 Mo) Télécharger le fichier
Origine Version validée par le jury (STAR)

Dates et versions

tel-03982812 , version 1 (10-02-2023)

Identifiants

  • HAL Id : tel-03982812 , version 1

Citer

Martin Soyer. Improvement of the sensory stimuli restitution on driving simulator. Automatic. Université Paris-Saclay, 2022. English. ⟨NNT : 2022UPAST103⟩. ⟨tel-03982812⟩
94 Consultations
19 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More